我们如何过度安装CNN自动编码器以进行异常检测？

Question

我一直在研究异常检测问题，在该问题中，我需要将“街道”的图像视为异常。 “冰川”的图像将被视为非异常。重建图像的自动编码器如下：

self.__model_layers = [
            keras.layers.Conv2D(16, kernel_size=(3, 3), strides=1, activation="relu", input_shape=input_shape),
            keras.layers.Conv2D(32, kernel_size=(3, 3), strides=1, activation="relu"),
            keras.layers.Conv2D(64, kernel_size=(3, 3), strides=1, activation="relu"),
            keras.layers.Conv2DTranspose(32, kernel_size=(3, 3), strides=1, activation="relu"),
            keras.layers.Conv2DTranspose(16, kernel_size=(3, 3), strides=1, activation="relu"),
            keras.layers.Conv2DTranspose(1, kernel_size=(3, 3), strides=1),
        ]
self.__model = keras.Sequential(self.__model_layers)
self.__model.compile(
            optimizer=keras.optimizers.Adam( lr=0.0001 ),
            loss=keras.losses.mean_squared_error,
        )

根据各种博客，当图像包含异常时，由于仅在非异常图像上进行训练，因此自动编码器必须提供较高的MSE值。但是事实并非如此。 模型在图像上的泛化效果更好，因此， MSE损失值相差不大。

  

如何使上述模型过拟合数据，以使异常图像上的MSE损失值更高？我应该包含哪些更改？